网络口碑对在线销售的影响实证分析(2)

　　 h3：差评对销量有反向影响力，差评量越多，购买量越低。

　　 3、回归分析模型

　　 在研究线上评论与销量关系时，很可能会产生遗漏相关变量的问题。在回归模型中，遗漏重要的相关变量是导致内生性的主要原因。影响产品销量的可能并非是网络口碑效应，而是其它一些因素，如质量等。Duan等在控制内生性后，发现仅有评论数量显著影响电影票房收入，而评论效价的影响并不显著。

　　 基于上述考虑，本文将采用面板数据，通过固定效应模型进行分析，以此来控制由遗漏变量而产生的内生性影响。具体的回归模型设定如下：

　　 lnit=α0+α1lnposit+α2lnmodit+α3lnnegit+α4lnaddit+

　　α5lnimait+α6vieit+α7scoit+？滋i+？着it

　　 下标i=1，…N代表，t=1，…N代表时间。？滋i为以 为单位的固定效应，用于控制“质量”等非观测效应的影响。lnpos为好评数量;lnmod为中评数量;lnneg为差评数量;lnadd为追评数量;lnima为用图片表示的评论数量;lnvie 为浏览量;lnsco 为评分。我们对上述的因变量和自变量均进行了对数变换。除了因为排名取自然对数后与销量线性相关以外，这样做还有两点好处。一是数据的对数化压缩了变量的量纲，控制了离群值的影响。在我们的样本中，有的有上万条消费者评论，所以有必要对其进行对数变换。二是将潜在的非线性关系变为线性关系，使得回归模型的结果更加稳健。经过对数变换后，回归系数的估计值为弹性，即自变量的变化率对因变量变化率的影响。

　　 二、数据收集与分析

　　 1、数据收集

　　 本文采用淘宝网数据，以2014年4月15日到2014年5月5日期间消费者在鞋类和服装类产品的消费评价记录做为网络口碑对在线销售影响的研究样本，找出了影响网络口碑的变量，如：好评、中评、差评、追评、图片、交易数量、游览量主星级等数据，共有250条评论数据。

　　 2、回归分析

　　 由于在模型中假设非观测效应？滋i与多个线上评论变量相关，所以采用固定效应模型而非随机效应模型来进行回归分析。考虑到线上评论的影响与消费者的购买行为在时间上可能存在一定的先后顺序，用同期的因变量和自变量进行回归，以检验回归结果的稳健性。

　　 首先从表1可以看出，F值为84.778，较大，且其对应的显著概率远远小于0.05，因此可以推断回归方程成立。然后根据表2所示，在0.05显著水平条件下，追评和好评没有通过检验，假设1不成立，表明追评和好评对销量没有显著影响。中评、图片、浏览量与评分的系数是正向显著的，说明假设2和假设3都成立，其中中评的系数最大，再依次是浏览量、评分、图片;差评的系数为负数，说明差评数量与销售量之间呈反方向变动，差评量越多，销售量就越小。它们的关系如下面的模型框架回归方程所示：

　　 lnit=-406.655+0.595lnmodit-0.508lnnegit+0.173lnimait+

　　0.334vieit+0.197scoit+？滋i+？着it

　　 三、结论与营销建议

　　 1、结论

　　 以淘宝网评论的大样本面板数据，通过建立计量模型，对线上评论信息与销量的关系进行了实证分析，研究发现中评数量、图片数量、浏览量与评分分数对销量有显著的正向影响，差评分数会负向影响产品销量。